BISTRO：一种基于松弛的高效上下文赌博机方法
机器学习
2016-02-09 v1 机器学习
摘要
我们针对具有独立同分布协变量、任意奖励序列和任意策略类的上下文赌博机(contextual bandits)问题提出了高效算法。我们的算法 BISTRO 每轮需要调用经验风险最小化(ERM)预言机 d 次，其中 d 为动作数。该方法利用无标签数据使问题在计算上简化。当 ERM 问题本身计算困难时，我们通过采用针对 ERM 的乘法近似算法扩展了该方法。松弛的整数间隙仅进入后悔界而非基准中。最后，我们表明只要全信息监督在线学习问题具有非平凡的后悔保证（且高效），上下文赌博机问题的对抗版本就是可学习的（且高效的）。
引用
@article{arxiv.1602.02196,
title = {BISTRO: An Efficient Relaxation-Based Method for Contextual Bandits},
author = {Alexander Rakhlin and Karthik Sridharan},
journal= {arXiv preprint arXiv:1602.02196},
year = {2016}
}